快速且大規模地存取多元資料集
加速模型訓練與上市時程，讓 AI 輸出能精準擴展至全球各地的用戶
發揮您的大型語言模型的強大效能
在同一平台上，讓你更聰明地訓練模型，並解決一般資料流程無法處理的特殊情境，涵蓋資料收集、標註、評估與訓練等全流程。
獲取高品質資料集
運用多元的真實世界資料集，為高效能 AI 模型提供所需資料。透過遍布全球、超過 1,000 萬名貢獻者與專業領域專家組成的網路，大規模蒐集並註解音訊、影片、影像及文字等資料¹。
接受專家的人工回饋培訓
透過結構化的人類回饋強化學習 (RLHF)、偏好排序和獎勵模型，對模型進行基準評估與微調。這些功能由針對特定使用案例打造的自訂強化學習 (RL) 訓練環境提供。
掌握您的資料
您的專有資料和智慧財產權將受到保護。我們不會將您的資料用於訓練 Uber 的通用內部 AI 模型，並且這些資料受到組織性與技術性防護措施的保障。
確保可靠性與效能
善用我們訓練超過 20,000 個 AI 模型的經驗。獲取關鍵效能洞察、簡化測試流程，並在多種作業系統及超過 3,000 台測試裝置上進行高效能的品質保證。
常見問題
什麼是音訊標記？
音訊標記標籤語音和音訊資料，協助機器學習模型辨識語音、音樂及音效，進而實現語音助理、語音轉文字及聲音事件偵測等應用。
什麼是影片標註？
影片標籤功能可針對影格進行註解，協助機器學習模型偵測物體、動作與事件，進一步支援監控、自動駕駛與內容推薦等實務應用。
什麼是影像標註？
圖片標籤功能可為圖片指派有意義的標籤或註解，協助機器學習模型識別物體、場景或圖案，進一步支援自動駕駛、臉部辨識與醫療影像等實務應用。
什麼是文字標註？
文字標註會為資料加上標籤，協助機器學習模型理解內容，進而實 現情感分析、實體辨識，以及 AI 驅動的聊天機器人、搜尋和推薦等意圖分類任務。
截至 2026 年 3 月